Desafio

A Ben & Frank é a marca de óculos para venda direta ao consumidor mais popular da América Latina. Com o provedor de pagamentos anterior, a empresa tinha pouco controle sobre fraudes e relatórios de pagamento, o que impossibilitava a otimização das autorizações. O mercado mexicano tem problemas bem específicos:
- É sabido que o mercado de pagamentos da América Latina é altamente personalizado e específico, o que dificulta o trabalho sem sistemas de pagamento personalizados para os usuários ou relacionamentos com as maiores emissoras.
- A taxa de fraudes é alta em relação à média global, e é difícil estabelecer uma abordagem eficaz para lidar com cobranças suspeitas e gestão de contestações.
- Os recursos para e-commerce são limitados no México. Por exemplo, é difícil para a empresa comprovar ao emissor que um cliente recorrente, com os dados do cartão salvos, apresenta menos risco do que um novo cliente.

Por isso, a taxa de conversão da Ben & Frank era baixa, e a experiência dos clientes recusados indevidamente era ruim.

Solução

A Ben & Frank comparou a Stripe ao processador de pagamentos anterior, avaliando as taxas de autorização em todas as redes de cartões. O diretor de operações da empresa, John Campbell, explica: “Para avaliar um novo processador de pagamentos, procuramos três objetivos mensuráveis: taxa de aceitação, taxa de fraudes e NPS da experiência dos usuários no nosso atendimento ao cliente.”

A integração e ativação da Stripe para os testes levaram só duas semanas. Leonardo Alonso, engenheiro de software da Ben & Frank, elogia: “A Stripe tem uma equipe fantástica, sempre pronta para ajudar. O fluxo de trabalho de desenvolvimento é dos melhores, e a documentação é muito prática, com bibliotecas completas e exemplos bem simples para copiar e colar.”

Depois do teste de três meses, a Ben & Frank constatou que a Stripe era a melhor solução de pagamentos para aumentar a conversão e acompanhar o crescimento da empresa, devido ao suporte atencioso e ao conjunto moderno de soluções com otimização de pagamentos e detecção de fraudes.

Resultados

O aumento de conversão da Ben & Frank foi de 10% com apenas três meses de uso da Stripe no México. Essa melhoria foi possível porque:

A Stripe mantém contato com processadores e emissoras regionais
São dezenas de especialistas em pagamentos locais e desenvolvedores contratados para criar parcerias fortes com todo o ecossistema de pagamentos do México, inclusive interfaces locais, como Prosa, eGlobal, Banco de México e CNBV, e os emissores grandes, como BBVA e Santander. Para criar parcerias de confiança, a Stripe faz reuniões regularmente, combinando mudanças na lógica de autorizações e combate a fraudes, ajudando as empresas a receber receitas que poderiam se perder.

Redução nas atividades fraudulentas e no tempo de resolução
Como o Radar funciona com o apoio da estrutura do Stripe Payments, a Ben & Frank não precisa mais sinalizar as fraudes manualmente: o sistema de machine learning da Stripe avalia o risco de cada pagamento em tempo real. O modelo aprende sem parar com os novos padrões de compras dos clientes, e a equipe de proteção contra fraudes da Ben & Frank pode sobrepor as regras manualmente ou criar regras personalizadas para sua estratégia de gestão proativa de fraudes e estornos no México.

Como a taxa de fraudes na América Latina é 5x maior do que nos EUA, Europa, África e Oriente Médio, o Radar ajuda a empresa a distinguir fraudadores de clientes, reduzindo o nível de aprovações indesejadas. A gerente de produto da Ben & Frank, Lourdes García, diz que “a aplicação do machine learning e das regras antifraudes personalizadas da Stripe reduziu fraudes e estornos. Até a satisfação de nossos clientes aumentou, porque a equipe consegue resolver contestações mais rápido agora deixou de ser manual.”

Taxas de autorização otimizadas por machine learning
Nem todos os bancos aplicam as mesmas regras para decidir quais transações serão aceitas. A única forma de melhorar a aceitação é com um processo de engenharia reversa por machine learning das regras por intermédio da rede Stripe. Para fazer isso, a Stripe criou o Adaptive Acceptance, uma tecnologia de machine learning que otimiza as mensagens de autorização em nome dos clientes. Os cientistas da computação e engenheiros da Stripe trabalham incansavelmente para aprimorar os modelos de machine learning, ajudando as empresas a aceitar o máximo possível de transações legítimas e de receita.